图像分割之Unet网络详解

本笔记基于tensorflow-2版本，先贡献代码或者下载代码（可能需要科学上网）。

什么是图像分割

在图像分类任务中，网络为每个输入图像分配一个标签（或类别）。然而，假设你想知道该物体的形状，哪个像素属于哪个物体，等等。在这种情况下，你会想给图像的每个像素分配一个类别。这项任务被称为分割。一个分割模型会返回关于图像的更详细的信息。图像分割在医学成像、自动驾驶汽车和卫星成像方面有许多应用，举例说明一下。

这里有一个数据集，该数据集由37个宠物品种的图像组成，每个品种有200张图像（在训练和测试部分各约100张）。每张图片都包括相应的标签和像素级的掩码。掩码是每个像素的类别标签。每个像素被赋予三个类别中的一个：

• 第一类：表现宠物的像素
• 第二类：与宠物边缘接壤的像素
• 第三类：以上都不是的像素
  该例子可以通过下面的程序安装：

pip install git+https://github.com/tensorflow/examples.git

如果无法链接GitHub或者链接网速很慢，可以通过这个镜像进行安装，同样其它任何GitHub的包都可以使用这个镜像进行下载或者安装：

pip install git+https://github.com.cnpmjs.org/tensorflow/examples.git

导入TensorFlow相关包：

import tensorflow as tf
from tensorflow.keras.layers.experimental import preprocessing 

import tensorflow_datasets as tfds

from tensorflow_examples.models.pix2pix import pix2pix

from IPython.display import clear_output
import matplotlib.pyplot as plt

下载Oxford-IIIT宠物数据（下载大小773.52M，数据集大小774.69M）：

dataset, info = tfds.load('oxford_iiit_pet:3.*.*', with_info=True)

也可以手动下载。
图片展示：

此外，图像颜色值被归一化为[0,1]范围。最后，如上所述，分割中的像素被标记为{1，2，3}。为了方便起见，将标记减去1，得出的标签是: {0, 1, 2}：

def normalize(input_image, input_mask):
  input_image = tf.cast(input_image, tf.float32) / 255.0
  input_mask -= 1
  return input_image, input_mask

整理：

def load_image(datapoint):
  input_image = tf.image.resize(datapoint['image'], (128, 128))
  input_mask = tf.image.resize(datapoint['segmentation_mask'], (128, 128))

  input_image, input_mask = normalize(input_image, input_mask)

  return input_image, input_mask

数据集已经被分割成测试集和训练集，因此不需要对其再分割，直接使用即可：

TRAIN_LENGTH = info.splits['train'].num_examples
BATCH_SIZE = 64
BUFFER_SIZE = 1000
STEPS_PER_EPOCH = TRAIN_LENGTH // BATCH_SIZE

下面的类执行了一个简单的扩增，即对一个图像进行随机翻转操作：

class Augment(tf.keras.layers.Layer):
  def __init__(self, seed=42):
    super().__init__()
    # both use the same seed, so they'll make the same randomn changes.
    self.augment_inputs = preprocessing.RandomFlip(mode="horizontal", seed=seed)
    self.augment_labels = preprocessing.RandomFlip(mode="horizontal", seed=seed)

  def call(self, inputs, labels):
    inputs = self.augment_inputs(inputs)
    labels = self.augment_labels(labels)
    return inputs, labels

构建输入的pipeline，在对输入进行批处理后然后使用Augmentation：

train_batches = (
    train_images
    .cache()
    .shuffle(BUFFER_SIZE)
    .batch(BATCH_SIZE)
    .repeat()
    .map(Augment())
    .prefetch(buffer_size=tf.data.AUTOTUNE))

test_batches = test_images.batch(BATCH_SIZE)

图像例子和它的MASK图：

def display(display_list):
  plt.figure(figsize=(15, 15))

  title = ['Input Image', 'True Mask', 'Predicted Mask']

  for i in range(len(display_list)):
    plt.subplot(1, len(display_list), i+1)
    plt.title(title[i])
    plt.imshow(tf.keras.preprocessing.image.array_to_img(display_list[i]))
    plt.axis('off')
  plt.show()
for images, masks in train_batches.take(2):
  sample_image, sample_mask = images[0], masks[0]
  display([sample_image, sample_mask])

下面定义Unet模型

我们这里使用的是改进的unet网络模型。一个unet由一个编码器（下采样器）和解码器（上采样器）组成。为了更稳健的学习到图像特征并减少可训练参数的数量，这里将使用一个预训练的模型 MobileNetV2作为编码器。对于解码器，可以使用上采样模块，该模块已经在TensorFlow实例库中的Pix2pix中实现了。

编码器是训练好的MobileNetV2模型，直接调用tf.keras.applications即可。编码器由模型中间层的特定输出组成，在训练过程中不会对编码器进行训练。

base_model = tf.keras.applications.MobileNetV2(input_shape=[128, 128, 3], include_top=False)

# Use the activations of these layers
layer_names = [
    'block_1_expand_relu',   # 64x64
    'block_3_expand_relu',   # 32x32
    'block_6_expand_relu',   # 16x16
    'block_13_expand_relu',  # 8x8
    'block_16_project',      # 4x4
]
base_model_outputs = [base_model.get_layer(name).output for name in layer_names]

# Create the feature extraction model
down_stack = tf.keras.Model(inputs=base_model.input, outputs=base_model_outputs)

down_stack.trainable = False

解码器/上采样只是在TensorFlow中实现的一系列上采样模块。

up_stack = [
    pix2pix.upsample(512, 3),  # 4x4 -> 8x8
    pix2pix.upsample(256, 3),  # 8x8 -> 16x16
    pix2pix.upsample(128, 3),  # 16x16 -> 32x32
    pix2pix.upsample(64, 3),   # 32x32 -> 64x64
]

def unet_model(output_channels:int):
  inputs = tf.keras.layers.Input(shape=[128, 128, 3])

  # Downsampling through the model
  skips = down_stack(inputs)
  x = skips[-1]
  skips = reversed(skips[:-1])

  # Upsampling and establishing the skip connections
  for up, skip in zip(up_stack, skips):
    x = up(x)
    concat = tf.keras.layers.Concatenate()
    x = concat([x, skip])

  # This is the last layer of the model
  last = tf.keras.layers.Conv2DTranspose(
      filters=output_channels, kernel_size=3, strides=2,
      padding='same')  #64x64 -> 128x128

  x = last(x)

  return tf.keras.Model(inputs=inputs, outputs=x)

注意：上一层过滤器数量设置为输出通道数量，这也是该层的输出通道数。

训练模型

这个是一个多分类问题，采用CetegforicalCrossentropy（from_logits=True）作为标准的损失函数，即使用 losses.SparseCategoricalCrossentropy(from_logits=True)，原因是因为标签是标量的，而不是每个类的分数向量。

OUTPUT_CLASSES = 3

model = unet_model(output_channels=OUTPUT_CLASSES)
model.compile(optimizer='adam',
              loss=tf.keras.losses.SparseCategoricalCrossentropy(from_logits=True),
              metrics=['accuracy'])

模型检测：

tf.keras.utils.plot_model(model, show_shapes=True)

训练之前测试一下模型：

def create_mask(pred_mask):
  pred_mask = tf.argmax(pred_mask, axis=-1)
  pred_mask = pred_mask[..., tf.newaxis]
  return pred_mask[0]

def show_predictions(dataset=None, num=1):
  if dataset:
    for image, mask in dataset.take(num):
      pred_mask = model.predict(image)
      display([image[0], mask[0], create_mask(pred_mask)])
  else:
    display([sample_image, sample_mask,
             create_mask(model.predict(sample_image[tf.newaxis, ...]))])

输出：

show_predictions()

下面定义反馈，使得在训练过程中提高精确度：

class DisplayCallback(tf.keras.callbacks.Callback):
  def on_epoch_end(self, epoch, logs=None):
    clear_output(wait=True)
    show_predictions()
    print ('\nSample Prediction after epoch {}\n'.format(epoch+1))

EPOCHS = 20
VAL_SUBSPLITS = 5
VALIDATION_STEPS = info.splits['test'].num_examples//BATCH_SIZE//VAL_SUBSPLITS

model_history = model.fit(train_batches, epochs=EPOCHS,
                          steps_per_epoch=STEPS_PER_EPOCH,
                          validation_steps=VALIDATION_STEPS,
                          validation_data=test_batches,
                          callbacks=[DisplayCallback()])

损失函数：

loss = model_history.history['loss']
val_loss = model_history.history['val_loss']

plt.figure()
plt.plot(model_history.epoch, loss, 'r', label='Training loss')
plt.plot(model_history.epoch, val_loss, 'bo', label='Validation loss')
plt.title('Training and Validation Loss')
plt.xlabel('Epoch')
plt.ylabel('Loss Value')
plt.ylim([0, 1])
plt.legend()
plt.show()

预测：

show_predictions(test_batches, 3)

语义分割数据集可能是高度不平衡的，这就意味着特定类别的像素可以比其他像素的权重更高。由于分割问题可以使用像素级别问题来处理，我们就可以通过加权损失函数来处理不平衡问题。可以参考这里。
model.fit目前不支持3+维度的数据：

try:
  model_history = model.fit(train_batches, epochs=EPOCHS,
                            steps_per_epoch=STEPS_PER_EPOCH,
                            class_weight = {0:2.0, 1:2.0, 2:1.0})
  assert False
except Exception as e:
  print(f"{type(e).__name__}: {e}")

报错:

ValueError: `class_weight` not supported for 3+ dimensional targets.

因此我们需要自己实现加权。可以参考样本权重：model.fit可以接受(data, label)格式之外，还接受(data, label, sample_weight)三维样式。

model.fit可以将sample_weight传给损失函数和矩阵， 然后样本权重会乘以样本。例如：

label = [0,0]
prediction = [[-3., 0], [-3, 0]] 
sample_weight = [1, 10] 

loss = tf.losses.SparseCategoricalCrossentropy(from_logits=True,
                                               reduction=tf.losses.Reduction.NONE)
loss(label, prediction, sample_weight).numpy()

因此为了生成样本权重，我们需要一个函数，这个函数输入(data, label)，然后输出(data, label, sample_weight)，其中样本权重包含每个像素的权重。

最简单的是将标签作为权重列表的索引：

def add_sample_weights(image, label):
  # The weights for each class, with the constraint that:
  #     sum(class_weights) == 1.0
  class_weights = tf.constant([2.0, 2.0, 1.0])
  class_weights = class_weights/tf.reduce_sum(class_weights)

  # Create an image of `sample_weights` by using the label at each pixel as an 
  # index into the `class weights` .
  sample_weights = tf.gather(class_weights, indices=tf.cast(label, tf.int32))

  return image, label, sample_weights

生成的数据集每个成分都包含了三个元素：

train_batches.map(add_sample_weights).element_spec

现在我们就可以在加权数据集上进行训练模型：

weighted_model = unet_model(OUTPUT_CLASSES)
weighted_model.compile(
    optimizer='adam',
    loss=tf.keras.losses.SparseCategoricalCrossentropy(from_logits=True),
    metrics=['accuracy'])

weighted_model.fit(
    train_batches.map(add_sample_weights),
    epochs=1,
    steps_per_epoch=10)